一种智能微电网双电池电能协同优化方法技术

本发明专利技术公开了一种智能微电网双电池电能协同优化方法，其包括：对双电池电能协同优化方法进行相关参数初始化；开启全局循环，初始化评判网络权值；开启外循环，初始化电池控制策略，并根据实际用电情况对所述电池控制策略进行调整；开启内循环，利用采集到的系统状态与调整后的电池控制策略循环修正评判神经网络权值，并利用该评判网络权值评测当前电池控制策略的性能；判断当前内循环是否完成，如果尚未完成，则返回内循环，否则判断当前外循环是否完成，如果尚未完成，则返回外循环，否则判断当前全局循环是否完成，如果尚未完成，则返回全局循环；搜索程序完全运行之后，根据所评判得到的性能保存最优的电池控制策略并计算用电成本。

【技术实现步骤摘要】
一种智能微电网双电池电能协同优化方法
本专利技术属于智能电网电能优化
，具体涉及一种智能微电网双电池电能协同优化控制方法。
技术介绍
蓄电池，亦称可充电电池，是智能微电网用户住宅终端的常用储能设备，贮存化学能量，必要时将化学能直接转化成电能的一种电器化学设备。蓄电池是按可再充电为标准设计的，通过可逆的化学反应实现再充电，综合成本等各方面考虑，储能用蓄电池主要采用铅酸蓄电池。其工作过程：充电时利用外部的电能使内部活性物质再生，把电能储存为化学能，需要放电时再次把化学能转换成电能输出，实现电能的存储过程。蓄电池储能是智能电网中住宅用电储能部分的重要一环，且具有使用温度范围广、充电接受能力强、寿命长、易维护等特点，其中储能蓄电池是确保智能电网安全稳定运行的重要设备，能够为住宅用户提供应急电源、削减用电高峰时段的用电量、降低用电网的峰谷负荷差值，是智能电网极其重要的组成部分。在实际应用过程中，一方面通过储能蓄电池的工作机理分析双储能电池充(放)电特性，另一方面要根据智能微电网住宅用户端双负载的实际运行情况对双储能电池的充(放)电顺序、时间等参数进行最优控制，优化智能微电网住宅用户端的双电池电能，降低电网的峰谷负荷差值，提高电网运行的效率并降低用户的实际用电成本。然而在实际双电池协同优化运行过程中，住宅用户端负载变化涉及到人为主观因素，难以精确预测，同时时间跨度长，短时间内控制效果不十分明显以及非线性严重等特点使得双电池电能协同优化难以建立精确的机理模型，给智能电网的电池电能协同优化控制带来了很大的困难。因此，基于电网运行相关历史数据，设计一套有效的双电池电能协同优化控制方案，以实现降低电网最大载荷、促进电网负载平衡、提高电网的灵活性与兼容性、降低用户的用电成本是智能电网发展亟需解决的问题。
技术实现思路
(一)要解决的技术问题本专利技术所要解决的技术问题是利用智能电网双用户负载历史运行数据、实时电价信息与神经网络，构建智能微电网双电池电能协同优化控制网络方法，采用基于自适应动态规划的自学习方法，实现双电池电能的协同优化控制。(二)技术方案本专利技术提出了一种智能微电网双电池电能协同优化方法，其包括：S1、对双电池电能协同优化方法进行相关参数初始化，包括实时电价、一个时间段内的两个终端用户负载数据及评判模块神经网络参数；S2、开启全局循环，初始化评判网络权值，在一定范围内采用随机方法实现；S3、开启外循环，初始化电池控制策略，并根据实际用电情况对所述电池控制策略进行调整；S4、开启内循环，采用执行依赖启发式动态规划方法，利用采集到的系统状态与调整后的电池控制策略循环修正评判神经网络权值，并利用该评判网络权值评测当前电池控制策略的性能；判断当前内循环是否完成，如果尚未完成，则返回步骤S4继续内循环，否则判断当前外循环是否完成，如果尚未完成，则返回步骤S3继续外循环，否则判断当前全局循环是否完成，如果尚未完成，则返回步骤S2继续全局循环，否则继续下一步骤；S5、搜索程序完全运行之后，根据所评判得到的性能保存最优的电池控制策略并计算用电成本。(三)有益效果本专利技术根据负载端的两个用户历史载荷运行数据以及实时电价信息，构建双电池电能协同优化控制网络方法，采用自适应动态规划方法预测相应时间段内的优化控制策略，降低电网的峰谷载荷差值，提高电网的灵活性与兼容性，同时降低用户的用电成本。附图说明图1是本专利技术中智能微电网双电池结构示意图；图2是本专利技术中智能微电网双电池电能协同优化控制方法的流程图；图3是本专利技术中ADHDP方法的实现框图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本专利技术作进一步的详细说明。图1是本专利技术中智能微电网双电池结构示意图。如图1所示，智能微电网由外接公共电网1提供外接公共电网电源，计价方式为实时电价，只能为住宅端提供电能，不能反向输送电能；外接公用电网1提供的电能可以给储能电池2和储能电池4充电，同时也可以为住宅3和住宅5提供电能；储能电池2和储能电池4也可以分别为住宅3和住宅5用电终端提供电能，但智能住宅3或住宅5在同一时刻只能由外接公共电网1、储能电池2和储能电池4中一个为其供电，储能电池2和储能电池4不可同时对同一住宅终端进行放电，同时两储能电池之间不能互相充电。控制器可以根据实际运算结果，决定在某一时刻由外接公共电网1、储能电池2和储能电池4中一个或者两个为住宅3和住宅5的用电终端供电，也可以通过外接公共电网1为储能电池进行充电。需要说明的是，该图1只是示意性的简图，实际的智能微电网以及用户住宅终端还包括其他各个工作部件，例如直交流电转换器、变压器、控制器以及洗衣机等住宅用电终端，但其皆为本领域的技术人员熟知，并且不影响本专利技术的控制方法，因此在此不加赘述。图2示出了本专利技术提出的智能微电网双电池电能协同优化控制方法的流程图。如图2所示，该方法包括依次执行的如下步骤：S1、对双电池电能协同优化方法进行相关参数初始化，包括实时电价、一个时间段内的两个终端用户负载数据及评判模块神经网络参数；S2、开启全局循环，初始化评判网络权值，在一定范围内采用随机方法实现；S3、开启外循环，初始化电池控制参数，根据其初始化数据对双电池存储的电能进行优化调整；S4、开启内循环，采用执行依赖启发式动态规划方法(ADHDP)，利用采集到的系统状态与电池控制策略作为评判选择模块的输入数据，修正评判网络权值，评测当前电池控制策略性能，判断当前内循环是否完成，如果尚未完成，则返回步骤S4继续内循环，否则判断当前外循环是否完成，如果尚未完成，则返回步骤S3继续外循环，否则判断当前全局循环是否完成，如果尚未完成，则返回步骤S2继续全局循环，否则继续下一步骤；S5、搜寻程序完全运行之后出现的最好的电池控制策略并计算用电成本。下面分别介绍上述各个步骤。S1、对双电池电能协同优化方法进行相关参数初始化，包括实时电价、一个时间段内的两个终端用户负载数据及评判模块神经网络参数；本专利技术的双电池电能协同优化方法是基于数据的自适应动态规划理论方法进行构建的，无需具体的数学模型，即利用自适应动态规划算法在处理和分析问题过程中根据处理数据的数据特征自动调整处理方法、处理顺序与处理参数使其与问题特征相匹配的特点，调整优化住宅用户端存在双电池时的充(放)电顺序以及额度的方法。根据智能微电网中电网以及住宅用户部分相关历史数据，自适应动态规划会自动进行学习，不断改进当前优化控制算法的结构，实现双电池的电能协同优化调整。根据执行依赖启发式动态规划算法以及智能微电网的需求，在智能微电网双电池电能协同优化算法的初始阶段需要进行参数的初始化工作，为算法运行做好基础数据储备工作。算法的相关参数初始化工作包括实时电价、两个终端住宅用户负载功率以及自适应动态规划算法中评判模块神经网络的参数。实时电价：此处采用最简单的峰谷定价策略，即用电高峰时段用电价格高，用电低谷时段用电价格低，以鼓励用户避开高峰用电时段。实时电价信息数据参考我国部分地区的实时电价数据获得，每小时改变一次用电电价，并对电价数据进行归一化处理。两个住宅用户负载：参照供电部门采集积累的住宅用户历史用电数据，进行分析处理获得小区楼房确定时间段内两个普通住宅的用户负载本文档来自技高网...

【技术保护点】
一种智能微电网双电池电能协同优化方法，其包括：S1、对双电池电能协同优化方法进行相关参数初始化，包括实时电价、一个时间段内的两个终端用户负载数据及评判模块神经网络参数；S2、开启全局循环，初始化评判网络权值，在一定范围内采用随机方法实现；S3、开启外循环，初始化电池控制策略，并根据实际用电情况对所述电池控制策略进行调整；S4、开启内循环，采用执行依赖启发式动态规划方法，利用采集到的系统状态与调整后的电池控制策略循环修正评判神经网络权值，并利用该评判网络权值评测当前电池控制策略的性能；判断当前内循环是否完成，如果尚未完成，则返回步骤S4继续内循环，否则判断当前外循环是否完成，如果尚未完成，则返回步骤S3继续外循环，否则判断当前全局循环是否完成，如果尚未完成，则返回步骤S2继续全局循环，否则继续下一步骤；S5、搜索程序完全运行之后，根据所评判得到的性能保存最优的电池控制策略并计算用电成本。

【技术特征摘要】
1.一种智能微电网双电池电能协同优化方法，其包括：S1、对双电池电能协同优化方法进行相关参数初始化，包括实时电价、一个时间段内的两个终端用户负载数据及评判模块神经网络参数；S2、开启全局循环，初始化评判网络权值，在预定范围内采用随机方法实现；S3、开启外循环，初始化电池控制策略，并根据实际用电情况对所述电池控制策略进行调整；S4、开启内循环，采用执行依赖启发式动态规划方法，利用采集到的系统状态与调整后的电池控制策略循环修正评判神经网络权值，并利用该评判网络权值评测当前电池控制策略的性能；判断当前内循环是否完成，如果尚未完成，则返回步骤S4继续内循环，否则判断当前外循环是否完成，如果尚未完成，则返回步骤S3继续外循环，否则判断当前全局循环是否完成，如果尚未完成，则返回步骤S2继续全局循环，否则继续下一步骤；S5、搜索程序完全运行之后，根据所评判得到的性能保存最优的电池控制策略并计算用电成本。2.如权利要求1所述的方法，其特征在于，在步骤S1中，实时电价数据参照我国部分地区的实时电价信息而获得的实时电价，两个用户负载数据信息根据居民住宅用电历史数据获得。3.如权利要求1所述的方法，其特征在于，在步骤S1中，设置评判网络的结构为7-20-1，其中7为评判网络输入层节点数量，20为评判网络隐层节点数量，1为评判网络输出层节点数量，且其隐层节点数量可根据经验进行调整以获得最佳的逼近效果。4.如权利要求1所述的方法，其特征在于，在步骤S2中，在(-0.01，0.01)范围内用随机初始化方法获得评判网络权值。5.如权利要求1所述的方法，其特征在于，在步骤S4中，所述评判网络的输入数据和输出数据包括：输入数据：归一化的实时电价Cnorm(t)，归一化的用户负载Pload1_norm(t)和Pload2_norm(t)，归一化的双电池的实时电能Eb1_norm(t)和Eb2_norm(t)，双电池的电池控制策略u1(t)和u2(t)；输出数据：根据Bellman方程，利用评判网络上一时刻的输出Q(t)与效用函数U(t)及折扣因子γ计算得到当前时刻...

【专利技术属性】
技术研发人员：刘德荣，魏庆来，徐延才，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：北京;11